基于自适应流形相似性的图像显著性区域提取算法

为了在图像显著性区域提取过程中改善算法的自适应性和精准度,提出基于自适应流形相似性的图像显著性区域检测算法。将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;针对高频节点利用凸包运算寻找显著性区域的种子节点;使用流形算法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明:利用流形算法搭建求解每个数据的邻接矩阵进行信息扩散,能够在保证信息精准分类的同时提高算法的自适应性,其结果优于同类的图像显著性区域检测算法。

基于流形特征相似度的感知图像质量评价

图像质量评价(Image quality assessment,IQA)的目标是利用设计的计算模型得到与主观评价一致的结果,而人类视觉感知特性是感知图像质量评价的关键.大量研究发现,认知流形和拓扑连续性是人类感知的基础即人类感知局限在低维流形之上.基于图像低维流形特征分析,本文提出了基于流形特征相似度(Manifold feature similarity,MFS)的全参考图像质量评价方法.首先,利用正交局部保持投影算法来模拟大脑的视觉处理过程获取最佳映射矩阵进而得到图像的低维流形特征,通过流形特征的相似度来表征两幅图像的结构差异,从而反映感知质量上的差异.其次,考虑亮度失真对人眼视觉感知的影响,通过图像块均值计算亮度相似度并用于评价图像的亮度失真;最后,结合两个相似度得到图像的客观质量评价值.在四个公开图像测试库上的实验结果表明,所提出方法与现有代表性的图像质量方法相比总体上具有更好的评价结果.

基于选择聚类集成的相似流形学习算法

流形学习是当今最重要的研究方向之一.约简维度的选择影响着流形学习方法的性能.当约简维度恰好是本征维度时,更容易发现原始数据的内在性质.然而,本征维度估计仍然是流形学习的一个研究难点.在此基础上,提出了一种新的无监督方法,即基于选择聚类集成的相似流形学习(SML-SCE)算法,避免了对本征维度的估计,并且性能表现良好.SML-SCE利用改进的层次平衡K-means(MBKHK)方法生成具有代表性的锚点,高效地构造相似度矩阵.随后计算得到了多个不同维度下的相似低维嵌入,这些低维嵌入是对原始数据的不同表示,而且不同低维嵌入之间的多样性有利于集成学习.因此,SML-SCE采用选择性聚类集成方法作为结合策略.对于通过K-means聚类得到的相似低维嵌入的聚类结果,采用聚类间的归一化互信息(NMI)作为权重的衡量标准.最后,舍弃权重较低的聚类,采用基于权重的选择性投票方案,得到最终的聚类结果.在多个数据集的大量实验结果表明了该方法的有效性.

面向遥感图像检索的无监督哈希融合方法

遥感图像数据规模庞大,且大部分数据没有标注,因此能够独立于数据标注的无监督哈希算法更适用于遥感图像检索。本文提出了一种针对无监督哈希的融合方法,首先,通过随机游走算法得到遥感图像预训练特征之间的流形相似度,并结合特征之间的余弦相似度构造相似指示矩阵,该矩阵可以度量无监督哈希码的有效性。然后,将哈希码的有效性作为节点,哈希码之间的排序相关性作为边来动态地构建关联图,并将图中的连通分量作为哈希码的组合,避免可能产生退化结果的哈希码组合,进而降低计算复杂度。最后,将哈希码的归一化有效性作为权重,对每种组合方案进行自适应的晚期融合,生成判别能力更强的哈希码。在2个数据集上的一系列实验表明,该方法能自适应地选择出合适的融合方案,有效提升融合哈希码的检索性能,并且在付出更小训练代价的情况下,获得接近穷举方法检索性能的融合方案。

基于密度调整和流形距离的近邻传播算法

针对近邻传播聚类算法在构造相似度矩阵时因对多重尺度和任意形状数据敏感而聚类效果不理想的缺陷,提出一种基于密度调整和流形距离的近邻传播算法。该算法将"领域密度"和"流形理论"的思想引入近邻传播算法,利用基于密度调整和流形的距离更好地刻画了样本空间的真实分布状况,解决了相似度矩阵不能充分表示数据之间内在关系的问题,在一定程度上提高了近邻传播聚类算法的聚类效果。通过在人工数据集和标准数据集上进行实验对比,验证了算法的有效性和优越性。

双粒度光流流形学习的刮刷总成摆杆摆幅检测

在基于机器视觉检测的客运车辆日趟故障安全例检自动化设计中,针对子空间聚类算法对汽车刮刷总成摆杆摆幅检测中因玻璃复杂背景导致光流轨迹过于稀疏的缺陷,提出了一种双粒度光流流形学习的汽车刮水器总成主副摆杆运动分割算法。首先将摆杆满幅等长LDOF变分光流轨迹作为粗粒度光流进行稀疏子空间聚类,获得可靠的种子样本;然后通过构建稠密细粒度光流与粗粒度光流的轨迹时空相似度流形拓扑图,并在图上利用调和函数将种子轨迹样本邻接节点标签凸松弛为高斯随机场进行半监督标签扩散,从而获得稠密的雨刮运动区域,以便进一步做RANSAC直线拟合和摆角计算;最后,将该算法模块经过ocx插件封装后以回调函数体的形式嵌入客运站的车辆跟踪模块进行同步,并在客运站现场采集了6种不同照度下4种车型共153车次的进站安检视频,用于分析比较同步后的两种粒度流形学习算法对摆杆的运动分割后直线拟合误差与摆角误差。实验结果表明:本算法对运动摆杆的拟合与其摆角计算的精确率均可以达到85%以上,具有进一步推广应用前景。

基于近邻传播学习的半监督流量分类方法

准确的流量分类是进行网络管理、安全检测以及应用趋势分析的基础.针对完全监督和无监督分类的缺陷,提出了一种基于近邻传播学习的半监督流量分类方法.通过引入"近邻传播聚类"机制构建分类模型,使得分类器实现过程简单、运行高效.应用"半监督学习"的思想,抽象出少量已标记样本流约束和流形空间先验信息,定义了"流形相似度"的距离测度,既降低了标记流量样本的复杂度,又提高了流量分类器的性能.理论分析和实验结果表明:算法具有较高的分类准确性和较好的凝聚性.

免疫克隆选择图划分方法

为了解决谱聚类方法中大规模的相似性矩阵的存储和特征分解困难的问题,利用权核K-均值算法的目标函数和图谱划分准则的等价性,将图谱划分准则作为免疫克隆选择优化算法的亲和度函数,提出一种利用免疫克隆选择优化算法求解图谱划分问题的新方法——免疫克隆选择图划分方法。该方法在免疫克隆选择操作的过程中引入了一个个体修正算子,使得个体以更快的速度向更优的个体进化。此外,在新方法中还引入了流形距离测度来构造相似性矩阵,使得新算法可以有效处理具有复杂结构的数据。采用人工数据集、USPS手写体数字识别和UMIST人脸识别的仿真实验验证了新方法的有效性和鲁棒性。

流形方法对边缘病变肺野分割的研究

为实现对高密度病变影响边缘肺野的正确分割,提出了利用相邻肺野形状的相似流形来对其进行分割的方法。首先,对胸腔CT影像中肺野形状的相似流形的形成以及用主成分分析(principal component analysis,PCA)约减肺野来构造光滑流形进行了研究。其次,通过构造流形所表达的肺野关系,采用流形插值来重构被影响肺野的形状。采用基于Harris特征的变形配准方法来降低重构区域的误差。最后,用该重构肺野形状掩模来对原胸腔CT影像进行分割得到真实的肺野区域。实验结果表明,采用样条流形插值重构肺野形状来完成对高密度影响肺野的分割是一种可行有效的方法。